JP2016142555A - Atmospheric temperature prediction system, atmospheric temperature prediction method, and program - Google Patents
Atmospheric temperature prediction system, atmospheric temperature prediction method, and program Download PDFInfo
- Publication number
- JP2016142555A JP2016142555A JP2015016579A JP2015016579A JP2016142555A JP 2016142555 A JP2016142555 A JP 2016142555A JP 2015016579 A JP2015016579 A JP 2015016579A JP 2015016579 A JP2015016579 A JP 2015016579A JP 2016142555 A JP2016142555 A JP 2016142555A
- Authority
- JP
- Japan
- Prior art keywords
- temperature
- value
- prediction
- predicted
- past
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、気温予測システム、気温予測方法およびプログラムに関する。 The present invention relates to an air temperature prediction system, an air temperature prediction method, and a program.
近年、気温の予測値を電力需要の予測や電力取引のリスク算出のために活用することが考えられており、気象庁等から提供される気象情報に基づいて、電力需要を予測する方法等が提案されている（特許文献１参照）。 In recent years, it has been considered to use the predicted value of temperature for power demand prediction and power transaction risk calculation, and a method for predicting power demand based on weather information provided by the Japan Meteorological Agency etc. is proposed. (See Patent Document 1).
しかしながら、特許文献１に記載の手法は、気象情報が電力需要に影響を与えることを勘案しているものの、より精度の高い気温の予測方法等については検討がなされていない。 However, although the method described in Patent Document 1 takes into consideration that weather information affects power demand, a more accurate method for predicting temperature has not been studied.
本発明は、このような背景を鑑みてなされたものであり、より高い精度で気温の予測を行うとことを目的としている。 The present invention has been made in view of such a background, and an object of the present invention is to predict the temperature with higher accuracy.
上記課題を解決するための本発明の主たる発明は、気温を予測するシステムであって、時間帯ごとの気温の実績値を記憶する実績値記憶部と、前記実績値を正規化して前記時間帯ごとの気温の変化を表す基準カーブを作成する基準カーブ作成部と、最高気温および最低気温ならびに前記基準カーブに基づいて前記時間帯ごとの気温予測値を算出する気温予測部と、前記最高気温および前記最低気温のそれぞれの過去の予測値および将来の予測値を取得する最高最低気温取得部と、前記最高気温および前記最低気温の前記過去の予測値を与えて前記気温予測部に過去の前記気温予測値を算出させ、前記過去の気温予測値の予測誤差を算出する予測誤差算出部と、前記最高気温および前記最低気温の前記将来の予測値を与えて前記気温予測部に将来の前記気温予測値を算出させ、前記将来の気温予測値と前記予測誤差とに基づいて、前記時間帯ごとの前記気温予測値の確率分布を作成する確率分布作成部と、前記確率分布を前記時間帯ごとの気温の予測値として出力する予測値出力部と、を備えることとする。 A main invention of the present invention for solving the above-described problems is a system for predicting an air temperature, and an actual value storage unit for storing an actual temperature value for each time zone, and normalizing the actual value to the time zone A reference curve creation unit that creates a reference curve that represents a change in temperature for each time, a temperature prediction unit that calculates a temperature prediction value for each time period based on the maximum temperature and the minimum temperature and the reference curve, and the maximum temperature and A maximum and minimum temperature acquisition unit that acquires a past predicted value and a future predicted value of each of the minimum temperatures; and the past temperature values of the maximum temperature and the minimum temperature are given to the temperature prediction unit. A prediction error calculation unit for calculating a prediction value, calculating a prediction error of the past temperature prediction value, and giving the future prediction values of the maximum temperature and the minimum temperature to the temperature prediction unit. A probability distribution creating unit that calculates a predicted temperature value of the air temperature and creates a probability distribution of the predicted temperature value for each time zone based on the predicted future temperature value and the prediction error; and And a predicted value output unit that outputs the predicted value of the temperature for each time zone.
また、本発明の気温予測システムでは、前記基準カーブ作成部は、過去の前記時間帯ごとの前記実績値を平均した平均気温値を算出し、前記時間帯ごとの前記実績値の最低値および最高値を平均した平均最低気温および平均最高気温を算出し、前記平均最高気温から前記平均最低気温を減ずるとともに前記時間帯ごとの前記実績値のそれぞれから前記平均最低気温を減じたうえで、前記時間帯ごとの前記実績値のそれぞれを、前記平均最高気温から前記平均最低気温を減じた値で除した正規化値を前記基準カーブとして算出するようにしてもよい。 Further, in the temperature prediction system of the present invention, the reference curve creation unit calculates an average temperature value obtained by averaging the actual values for each of the past time zones, and the lowest and highest values of the actual values for each of the time zones. After calculating the average minimum temperature and the average maximum temperature averaged values, subtracting the average minimum temperature from the average maximum temperature and subtracting the average minimum temperature from each of the actual values for each time period, the time A normalized value obtained by dividing each actual value for each band by a value obtained by subtracting the average minimum temperature from the average maximum temperature may be calculated as the reference curve.
また、本発明の気温予測システムでは、前記気温予測部は、各前記時間帯について、当該時間帯に対応する前記正規化値から、当該時間帯の直後の前記時間帯に対応する正規化値に線形に変化させる方程式を求め、前記方程式に予測対象の時刻を適用して、当該予測対象の時刻の前記予測気温を算出するようにしてもよい。 In the temperature prediction system of the present invention, for each time zone, the temperature prediction unit changes the normalized value corresponding to the time zone from the normalized value corresponding to the time zone to the normalized value immediately after the time zone. It is also possible to obtain an equation that changes linearly, apply the prediction target time to the equation, and calculate the predicted temperature at the prediction target time.
また、本発明の気温予測システムでは、前記基準カーブ作成部は、過去の前記時間帯ごとの前記実績値に基づいて曲線あてはめによる近似式を前記基準カーブとして求めるようにしてもよい。 In the temperature prediction system of the present invention, the reference curve creation unit may obtain an approximate expression by curve fitting as the reference curve based on the past actual value for each time period.
また、本発明の気温予測システムでは、前記気温予測部は、前記最高気温の前記過去の予測値および前記最低気温の前記過去の予測値と前記基準カーブとに基づいて過去の前記時間帯ごとの気温予測値を算出し、前記予測誤差算出部は、前記時間帯ごとに、前記実績値と前記過去の気温予測値との差を前記予測誤差として算出し、前記確率分布作成部は、前記時間帯ごとに前記予測誤差の平均値および標準偏差を算出し、前記時間帯ごとに前記気温予測値、前記平均値および前記標準偏差に応じて前記確率分布を作成するようにしてもよい。 Further, in the temperature prediction system of the present invention, the temperature prediction unit is configured for each past time zone based on the past predicted value of the maximum temperature, the past predicted value of the minimum temperature, and the reference curve. A predicted temperature value is calculated, and the prediction error calculation unit calculates, as the prediction error, a difference between the actual value and the past temperature predicted value for each time period, and the probability distribution generation unit An average value and standard deviation of the prediction error may be calculated for each band, and the probability distribution may be created according to the temperature predicted value, the average value, and the standard deviation for each time period.
また、本発明の気温予測システムでは、前記気温予測部は、季節ごとに前記過去の時間帯ごとの気温予測値を算出し、前記予測誤差算出部は、前記季節ごとに前記予測誤差を算出し、前記確率分布作成部は、前記季節ごとに前記確率分布を作成するようにしてもよい。 In the temperature prediction system of the present invention, the temperature prediction unit calculates a temperature prediction value for each past time zone for each season, and the prediction error calculation unit calculates the prediction error for each season. The probability distribution creation unit may create the probability distribution for each season.
また、本発明の他の態様は、気温を予測する方法であって、時間帯ごとの気温の実績値を記憶する実績値記憶部を備えるコンピュータが、前記実績値を正規化して前記時間帯ごとの気温の変化を表す基準カーブを作成するステップと、最高気温および最低気温ならびに前記基準カーブに基づいて前記時間帯ごとの気温予測値を算出するステップと、前記最高気温および前記最低気温のそれぞれの過去の予測値および将来の予測値を取得するステップと、前記最高気温および前記最低気温の前記過去の予測値と前記基準カーブとに基づいて過去の前記気温予測値を算出するステップと、前記過去の気温予測値の予測誤差を算出するステップと、前記最高気温および前記最低気温の前記将来の予測値と前記基準カーブとに基づいて将来の前記気温予測値を算出するステップと 前記将来の気温予測値と前記予測誤差とに基づいて、前記時間帯ごとの前記気温予測値の確率分布を作成するステップと、前記確率分布を前記時間帯ごとの気温の予測値として出力するステップと、を実行することとする。 Further, another aspect of the present invention is a method for predicting an air temperature, wherein a computer including an actual value storage unit that stores an actual temperature value for each time zone normalizes the actual value for each time zone. Generating a reference curve representing a change in temperature of the vehicle, calculating a predicted temperature value for each time period based on the maximum temperature and the minimum temperature and the reference curve, and each of the maximum temperature and the minimum temperature Obtaining a past prediction value and a future prediction value; calculating a past temperature prediction value based on the past prediction value and the reference curve of the maximum temperature and the minimum temperature; and the past Calculating the prediction error of the temperature predicted value of the future, and the future temperature based on the future predicted value of the highest temperature and the lowest temperature and the reference curve A step of calculating a measured value, a step of creating a probability distribution of the temperature predicted value for each time zone based on the predicted temperature value in the future and the prediction error; and And a step of outputting as a predicted value.
また、本発明の他の態様は、気温を予測するためのプログラムであって、時間帯ごとの気温の実績値を記憶する実績値記憶部を備えるコンピュータに、前記実績値を正規化して前記時間帯ごとの気温の変化を表す基準カーブを作成するステップと、最高気温および最低気温ならびに前記基準カーブに基づいて前記時間帯ごとの気温予測値を算出するステップと、前記最高気温および前記最低気温のそれぞれの過去の予測値および将来の予測値を取得するステップと、前記最高気温および前記最低気温の前記過去の予測値と前記基準カーブとに基づいて過去の前記気温予測値を算出するステップと、前記過去の気温予測値の予測誤差を算出するステップと、前記最高気温および前記最低気温の前記将来の予測値と前記基準カーブとに基づいて将来の前記気温予測値を算出するステップと、前記将来の気温予測値と前記予測誤差とに基づいて、前記時間帯ごとの前記気温予測値の確率分布を作成するステップと、前記確率分布を前記時間帯ごとの気温の予測値として出力するステップと、を実行させることとする。 Another aspect of the present invention is a program for predicting an air temperature, wherein the actual value is normalized to a computer including an actual value storage unit that stores an actual temperature value for each time period, and the time A step of creating a reference curve representing a change in temperature for each zone, a step of calculating a predicted temperature value for each time zone based on the maximum temperature and the minimum temperature and the reference curve, and the maximum temperature and the minimum temperature Obtaining each past predicted value and future predicted value; calculating the past temperature predicted value based on the past predicted value and the reference curve of the highest temperature and the lowest temperature; and Based on the step of calculating a prediction error of the past temperature prediction value, the future prediction value of the maximum temperature and the minimum temperature, and the reference curve. Calculating the predicted temperature value, creating a probability distribution of the predicted temperature value for each time zone based on the predicted future temperature value and the prediction error, and converting the probability distribution to the time And outputting the predicted temperature value for each band.
その他本願が開示する課題やその解決方法については、発明の実施形態の欄及び図面により明らかにされる。 Other problems and solutions to be disclosed by the present application will be made clear by the embodiments of the invention and the drawings.
本発明によれば、高い精度で気温の予測を行うことができる。 According to the present invention, the temperature can be predicted with high accuracy.
＝＝概要＝＝
本発明の一実施形態に係る気温予測装置１０は、過去の気温の実績値を正規化して１日における気温の変化を表すカーブ（以下、基準カーブという。）を求め、基準カーブに基づいて気温の予測を行う。本実施形態における正規化は、時間帯ごとの実績値の平均値を求め、１日の最低気温を「０」とし、最高気温を「１」とすることにより行うものとする。したがって、基準カーブに最高気温から最低気温を減算した値を乗算して最低気温を加算することで時間帯ごとの気温の予測値（以下、気温予測値という。）を算出することができる。
== Overview ==
The temperature prediction device 10 according to an embodiment of the present invention obtains a curve (hereinafter, referred to as a reference curve) that represents a change in temperature in one day by normalizing past actual temperature values, and calculates the temperature based on the reference curve. Make predictions. The normalization in the present embodiment is performed by obtaining an average value of the actual values for each time zone and setting the daily minimum temperature to “0” and the maximum temperature to “1”. Therefore, by multiplying the reference curve by the value obtained by subtracting the minimum temperature from the maximum temperature and adding the minimum temperature, the predicted value of the temperature for each time zone (hereinafter referred to as the predicted temperature value) can be calculated.
また、本実施形態の気温予測装置１０は、基準カーブに基づく気温予測の予測誤差の平均値μと標準偏差σ（または分散σ２）とを求めておき、将来の予測時に気温予測を確率分布として算出する。 In addition, the temperature prediction device 10 according to the present embodiment obtains the average value μ and standard deviation σ (or variance σ 2 ) of the prediction error of the temperature prediction based on the reference curve, and distributes the temperature prediction as a probability distribution during future prediction. Calculate as
なお、本実施形態では、中国地方の電力需要を予測するべく気温を予測することを想定しており、電力供給を行う対象となるのは広島県、岡山県、島根県、鳥取県、山口県の５県（以下、予測対象地域ともいう。）であることを想定している。そこで本実施形態では、まずは上記予測対象地域の気温をそれぞれ予測したうえで、電力需要量の割合に応じた重み付けをした加重平均値を中国地方全体の気温予測値とする。 In this embodiment, it is assumed that the temperature is predicted in order to predict the power demand in the Chugoku region, and the power supply targets are Hiroshima, Okayama, Shimane, Tottori and Yamaguchi prefectures. Of 5 prefectures (hereinafter also referred to as the prediction target area). Therefore, in the present embodiment, first, the temperature in the prediction target area is predicted, and then the weighted average value weighted according to the ratio of the power demand is set as the temperature prediction value for the entire Chugoku region.
以下、詳細について説明する。 Details will be described below.
＝＝ハードウェア構成＝＝
図１は本実施形態に係る気温予測装置１０のハードウェア構成例を示す図である。気温予測装置は、ＣＰＵ１０１、メモリ１０２、記憶装置１０３、通信インタフェース１０４、入力装置１０５、出力装置１０６を備える。記憶装置１０３は、各種のデータやプログラムを記憶する、例えばハードディスクドライブやソリッドステートドライブ、フラッシュメモリなどである。通信インタフェース１０４は、通信ネットワークに接続するためのインタフェースであり、例えばイーサネット（登録商標）に接続するためのアダプタ、公衆電話回線網に接続するためのモデム、無線通信を行うための無線通信機、シリアル通信のためのＵＳＢ（Universal Serial Bus）コネクタやＲＳ２３２Ｃコネクタなどである。気温予測装置１０は通信インタフェース１０４を介して、たとえば気象庁や気象会社のコンピュータにアクセスして気象予報データを受信することができる。入力装置１０５は、データを入力する、例えばキーボードやマウス、タッチパネル、ボタン、マイクロフォンなどである。出力装置１０６は、データを出力する、例えばディスプレイやプリンタ、スピーカなどである。
== Hardware configuration ==
FIG. 1 is a diagram illustrating a hardware configuration example of an air temperature prediction apparatus 10 according to the present embodiment. The temperature prediction device includes a CPU 101, a memory 102, a storage device 103, a communication interface 104, an input device 105, and an output device 106. The storage device 103 stores various data and programs, such as a hard disk drive, a solid state drive, and a flash memory. The communication interface 104 is an interface for connecting to a communication network. For example, an adapter for connecting to Ethernet (registered trademark), a modem for connecting to a public telephone line network, a wireless communication device for performing wireless communication, A USB (Universal Serial Bus) connector for serial communication, an RS232C connector, or the like. The temperature prediction device 10 can receive weather forecast data by accessing, for example, a computer of the Japan Meteorological Agency or a weather company via the communication interface 104. The input device 105 is, for example, a keyboard, a mouse, a touch panel, a button, or a microphone that inputs data. The output device 106 is, for example, a display, a printer, or a speaker that outputs data.
＝＝ソフトウェア＝＝
図２は本実施形態に係る気温予測装置１０のソフトウェア構成例を示す図である。気温予測装置１０は、実績値取得部１１１、予測値取得部１１２、基準カーブ作成部１１３、気温予測部１１４、誤差分析部１１５、確率分布作成部１１６、予測値出力部１１７、実績値記憶部１３１、予測値記憶部１３２、基準カーブ記憶部１３３、重み記憶部１３４および誤差データ記憶部１３５を備える。
== Software ==
FIG. 2 is a diagram illustrating a software configuration example of the temperature prediction apparatus 10 according to the present embodiment. The temperature prediction device 10 includes an actual value acquisition unit 111, a predicted value acquisition unit 112, a reference curve generation unit 113, an air temperature prediction unit 114, an error analysis unit 115, a probability distribution generation unit 116, a predicted value output unit 117, and an actual value storage unit. 131, a predicted value storage unit 132, a reference curve storage unit 133, a weight storage unit 134, and an error data storage unit 135.
なお、実績値取得部１１１、予測値取得部１１２、基準カーブ作成部１１３、気温予測部１１４、誤差分析部１１５、確率分布作成部１１６および予測値出力部１１７は、気温予測装置１０が備えるＣＰＵ１０１が記憶装置１０３に記憶されているプログラムをメモリ１０２に読み出して実行することにより実現され、実績値記憶部１３１、予測値記憶部１３２、基準カーブ記憶部１３３、重み記憶部１３４および誤差データ記憶部１３５は、気温予測装置１０が備えるメモリ１０２および記憶装置１０３が提供する記憶領域の一部として実現されるようにすることができる。 The actual value acquisition unit 111, the predicted value acquisition unit 112, the reference curve creation unit 113, the temperature prediction unit 114, the error analysis unit 115, the probability distribution creation unit 116, and the predicted value output unit 117 are included in the CPU 101 provided in the temperature prediction device 10. Is realized by reading the program stored in the storage device 103 into the memory 102 and executing it, and the actual value storage unit 131, the predicted value storage unit 132, the reference curve storage unit 133, the weight storage unit 134, and the error data storage unit 135 can be realized as a part of a storage area provided by the memory 102 and the storage device 103 included in the temperature prediction device 10.
実績値取得部１１１は、気温の実績値を取得する。本実施形態において、気温の実績値は、所定時間（本実施形態では１時間とするが、任意の時間とすることができる。）ごとに外気の気温を温度計で測定したもの、すなわち、時間帯ごとの実績値とする。本実施形態では、時間帯は１時間単位とし、１時から２４時までの２４区分であるものとする。実績値取得部１１１は、例えば気温の計測器から自動的に送信される測定結果を受信し、あるいは計測器にアクセスして測定結果を取得するようにすることができる。気温の実績値は、たとえば気象庁や気象会社などにより提供される値であってもよく、この場合には、気象庁や気象会社のコンピュータにアクセスして、気温の実績値を取得することができる。実績値取得部１１１は、複数の測定場所について気温の実績値を取得する。測定場所としては、気象予報の提供される地域名、すなわち「広島」「岡山」「松江」「鳥取」「山口」のいずれかが設定される。実績値取得部１１１は、取得した気温の実績値を実績値記憶部１３１に登録する。 The actual value acquisition unit 111 acquires an actual temperature value. In the present embodiment, the actual temperature value is obtained by measuring the temperature of the outside air with a thermometer every predetermined time (in this embodiment, it is 1 hour, but can be any time), that is, time. The actual value for each band. In this embodiment, it is assumed that the time zone is a unit of one hour and is divided into 24 sections from 1 o'clock to 24 o'clock. The actual value acquisition unit 111 can receive, for example, a measurement result automatically transmitted from a temperature measuring instrument, or can access the measuring instrument to acquire the measurement result. The actual temperature value may be a value provided by, for example, the Japan Meteorological Agency or a weather company. In this case, the actual temperature value can be obtained by accessing a computer of the Japan Meteorological Agency or the weather company. The actual value acquisition unit 111 acquires actual values of air temperature for a plurality of measurement locations. As the measurement location, the name of the area where the weather forecast is provided, that is, “Hiroshima”, “Okayama”, “Matsue”, “Tottori”, or “Yamaguchi” is set. The actual value acquisition unit 111 registers the acquired actual temperature value in the actual value storage unit 131.
実績値記憶部１３１は気温の実績値を記憶する。図３は実績値記憶部１３１の構成例を示す図である。実績値記憶部１３１は、測定日（日）、時間帯および季節情報に対応付けて、測定場所ごとの実績値が記憶される。もちろん、測定場所は任意に設定できるが、最高気温および最低気温の予測値が提供される地点と同一（または一致させることが可能）であるものとする。季節情報は任意に区切った季節区分を表すものであり、本実施形態では日時に応じて所定のルールにより決定されるものとし、季節情報は「冬」「初春」「春」「初夏」「梅雨」「夏」「秋」の７区分であるものとする。季節情報はたとえば「梅雨」については隔年任意に設定してもよい。実績値記憶部１３１には過去１０年分の実績値が予め記憶されているものとする。なお、測定装置から測定結果を取得したり、オペレータから測定結果の入力を受け付けて実績値記憶部１３１に登録する実績値登録部を設けたりするようにしてもよい。また、１０年分よりも少なくまたは多くの実績値を登録するようにしてもよい。 The actual value storage unit 131 stores the actual temperature value. FIG. 3 is a diagram illustrating a configuration example of the actual value storage unit 131. The actual value storage unit 131 stores the actual value for each measurement location in association with the measurement date (day), the time zone, and the season information. Of course, the measurement location can be arbitrarily set, but is assumed to be the same (or can be matched) with the point where the predicted values of the highest temperature and the lowest temperature are provided. The seasonal information represents an arbitrarily divided seasonal division. In this embodiment, the seasonal information is determined according to a predetermined rule according to the date and time. The seasonal information is “winter”, “early spring”, “spring”, “early summer”, “rainy season”. ”,“ Summer ”and“ Autumn ”. Seasonal information may be arbitrarily set every other year for “rainy season”, for example. It is assumed that the past record values for the past 10 years are stored in the past record storage unit 131 in advance. Note that a measurement result may be obtained from the measurement device, or a result value registration unit that receives an input of the measurement result from an operator and registers it in the result value storage unit 131 may be provided. Also, less or more actual values than 10 years may be registered.
予測値取得部１１２は、予測対象日の最高気温および最低気温の予測値を取得する。予測値取得部１１２は、たとえば気象庁や気象会社のコンピュータにアクセスして気象庁や気象会社が発表した予報値を含むデータ（気象データ）を受信することができる。予測値取得部１１２がオペレータから最高気温および最低気温の予測値の入力を受け付けるようにしてもよい。 The predicted value acquisition unit 112 acquires predicted values of the highest temperature and the lowest temperature on the prediction target day. The predicted value acquisition unit 112 can receive data (meteorological data) including predicted values announced by the Japan Meteorological Agency or Meteorological Company by accessing a computer of the Meteorological Agency or Meteorological Company, for example. The predicted value acquisition unit 112 may receive input of predicted values of the maximum temperature and the minimum temperature from the operator.
本実施形態では、２日後の電力需要予測をするために２日後の気温予測を行うことを前提とし、予測値取得部１１２は、予測対象日の２日前に２日後の最高気温および最低気温の予測値を取得するものとする。また、予測値取得部１１２は、予測対象となる地域ごとに最高気温および最低気温の予測値を取得する。すなわち、予測値取得部１１２は、「広島」「岡山」「松江」「鳥取」「山口」の気象予報としての最高気温および最低気温の予報値を取得する。本実施形態では、気象庁の発表した天気、降水確率、最高気温および最低気温の予報値を含む気象データを取得するものとする。 In this embodiment, on the premise that the temperature prediction after 2 days is performed in order to predict the power demand after 2 days, the prediction value acquisition unit 112 sets the maximum temperature and the minimum temperature after 2 days before the prediction target day. A predicted value is acquired. Moreover, the predicted value acquisition unit 112 acquires predicted values of the highest temperature and the lowest temperature for each region to be predicted. That is, the predicted value acquisition unit 112 acquires predicted values of the highest temperature and the lowest temperature as weather forecasts for “Hiroshima”, “Okayama”, “Matsue”, “Tottori”, and “Yamaguchi”. In the present embodiment, it is assumed that meteorological data including the weather announced by the Japan Meteorological Agency, the probability of precipitation, the predicted maximum temperature and the minimum temperature are acquired.
予測値取得部１１２は、定期的に（たとえば毎日所定の時刻に）、２日後の最高気温および最低気温の予測値を含む気象データを気象庁や気象会社から取得する。予測値取得部１１２は取得した予測値を予測値記憶部１３２に登録する。 The predicted value acquisition unit 112 acquires weather data including predicted values of the highest temperature and the lowest temperature two days later from the Japan Meteorological Agency or a weather company periodically (for example, at a predetermined time every day). The predicted value acquisition unit 112 registers the acquired predicted value in the predicted value storage unit 132.
予測値記憶部１３２は、最高気温および最低気温のそれぞれの予測値を記憶する。図４は予測値記憶部１３２の構成例を示す図である。予測値記憶部１３２は、予測対象地域の名称（地域名）および予測対象日に対応付けて、天気、降水確率、最高気温および最低気温のそれぞれの予測値を記憶する。地域名は「広島」「岡山」「松江」「鳥取」「山口」のいずれかである。本実施形態では、予測対象日に対応する最高気温の予測値および最低気温の予測値は１組のみが予測値記憶部１３２に記憶されるものとする。上述したように、過去に発表された２日後の予測値が予測値記憶部１３２には登録されることになる。また、本実施形態では、予測値記憶部１３２には過去３年分の予測値が記憶されているものとする。 The predicted value storage unit 132 stores predicted values of the highest temperature and the lowest temperature. FIG. 4 is a diagram illustrating a configuration example of the predicted value storage unit 132. The predicted value storage unit 132 stores the predicted values of the weather, the probability of precipitation, the highest temperature, and the lowest temperature in association with the name of the prediction target area (region name) and the prediction target date. The area name is “Hiroshima” “Okayama” “Matsue” “Tottori” “Yamaguchi”. In the present embodiment, only one set of the predicted value of the highest temperature and the predicted value of the lowest temperature corresponding to the prediction target day is stored in the predicted value storage unit 132. As described above, the predicted value two days later announced in the past is registered in the predicted value storage unit 132. In this embodiment, it is assumed that the predicted value storage unit 132 stores predicted values for the past three years.
基準カーブ作成部１１３は基準カーブを作成する。具体的には、基準カーブ作成部１１３は、１年間の各日付と予測対象となる各地域について、実績値記憶部１３１に記憶されている同月同日の当該地域に対応する気温の実績値を、最低気温を「０」とし、最高気温を「１」として正規化する。具体的には、基準カーブ作成部１１３は、１年間の各日付と各地域について、実績値記憶部１３１から同月同日の当該地域の１０年分（２月２９日については過去１０年間における閏年の数）の気温の実績値を読み出し、時間帯ごとに気温の実績値の平均値を算出し、平均値の最低値（以下、平均最低気温という。）と平均値の最高気温（以下、平均最高気温という。）とを選択し、各実績値の平均値から平均最低気温を減算したうえで、平均最高気温から平均最低気温を減算した値で除算した値を正規化値として算出する。この時間帯ごとの正規化値を時間帯の順に並べたのが基準カーブである。基準カーブ作成部１１３は、作成した基準カーブを基準カーブ記憶部１３３に登録する。 The reference curve creation unit 113 creates a reference curve. Specifically, the reference curve creation unit 113, for each date for one year and each region to be predicted, stores the actual temperature value corresponding to the region on the same day of the same month stored in the actual value storage unit 131, Normalize the lowest temperature as “0” and the highest temperature as “1”. Specifically, for each date and each region for one year, the reference curve creating unit 113 stores 10 years of the region on the same day of the same month from the actual value storage unit 131 (for February 29, the leap year in the past 10 years). Number) of the actual temperature values, and the average of the actual temperature values is calculated for each time period. The lowest average value (hereinafter referred to as average lowest temperature) and the highest average temperature (hereinafter average highest) And then subtracting the average minimum temperature from the average value of each actual value, and then dividing the average maximum temperature by the value obtained by subtracting the average minimum temperature as a normalized value. The reference curve is obtained by arranging the normalized values for each time zone in the order of the time zone. The reference curve creation unit 113 registers the created reference curve in the reference curve storage unit 133.
基準カーブ記憶部１３３は予測対象地域ごとの基準カーブを記憶する。図５は基準カーブ記憶部１３３の構成例を示す図である。図５に示すように、基準カーブ記憶部１３３には、予測対象地域の名称（地域名）に対応付けて、１年の各日付について、各時間帯の気温を「０」から「１」までの間の数値（図５の例では０％から１００％までのパーセント単位）で表現された平均気温の正規化値（以下、正規化気温という。）が格納される。 The reference curve storage unit 133 stores a reference curve for each prediction target area. FIG. 5 is a diagram illustrating a configuration example of the reference curve storage unit 133. As illustrated in FIG. 5, the reference curve storage unit 133 associates the temperature of each time zone from “0” to “1” for each date of one year in association with the name of the prediction target area (area name). A normalized value of the average temperature (hereinafter referred to as normalized temperature) expressed by a numerical value between (in the example of FIG. 5, a percentage unit from 0% to 100%) is stored.
重み記憶部１３４は、地域ごとの重みを記憶する。図６は重み記憶部１３４の構成例を示す図である。本実施形態では、重みは各地域における電力需要量の比を用いるものとする。なお、ユーザが重みを任意に変更できるようにしてもよいし、電力需要量とは関係なく重みを設定するようにしてもよい。 The weight storage unit 134 stores the weight for each region. FIG. 6 is a diagram illustrating a configuration example of the weight storage unit 134. In this embodiment, the weight uses the ratio of power demand in each region. The user may arbitrarily change the weight, or the weight may be set regardless of the power demand.
気温予測部１１４は基準カーブを用いて気温を予測する。気温予測部１１４には予測対象地域と最高気温および最低気温とが与えられ、気温予測部１１４は、与えられた最高気温から与えられた最低気温を減算した値を、与えられた予測対象地域に対応する基準カーブの数値に乗算し、これに与えられた最低気温を加算することにより、当該予測対象地域の気温予測値を算出する。また、気温予測部１１４は、重み記憶部１３４に記憶されている重みを用いて、予測対象地域の気温予測値を加重平均し、全体（本実施形態では中国地方）の気温予測値を算出する。 The temperature prediction unit 114 predicts the temperature using the reference curve. The temperature prediction unit 114 is provided with a prediction target area, a maximum temperature, and a minimum temperature, and the temperature prediction unit 114 sets a value obtained by subtracting the given minimum temperature from the given maximum temperature to the given prediction target area. By multiplying the numerical value of the corresponding reference curve and adding the lowest temperature given thereto, the temperature predicted value of the prediction target area is calculated. Further, the temperature prediction unit 114 uses the weight stored in the weight storage unit 134 to perform a weighted average of the temperature prediction values of the prediction target area, and calculates the temperature prediction value of the whole (in this embodiment, the Chugoku region). .
誤差分析部１１５は基準カーブを用いた気温の予測に係る予測誤差を分析する。誤差分析部１１５は、過去の日付についての最高気温および最低気温の予測値を予測値記憶部１３２から読み出し、読み出した最高気温および最低気温の予測値を気温予測部１１４に与えて気温予測値を算出させる。誤差分析部１１５は、実績値記憶部１３１に記憶されている気温の実績値に対応する季節情報ごとに、気温予測部１１４が算出した気温予測値と対応する日付および時間帯の実績値との差（予測誤差）を算出し、季節情報および時間帯ごとに、予測誤差の平均値μと標準偏差σとを算出する。誤差分析部１１５は、季節情報および時間帯ごとの平均値μおよび標準偏差σを誤差データ記憶部１３５に登録する。 The error analysis unit 115 analyzes a prediction error related to the prediction of the temperature using the reference curve. The error analysis unit 115 reads the predicted values of the highest temperature and the lowest temperature for the past date from the predicted value storage unit 132, gives the read predicted values of the highest temperature and the lowest temperature to the temperature prediction unit 114, and calculates the predicted temperature value. Let it be calculated. For each season information corresponding to the actual temperature value stored in the actual value storage unit 131, the error analysis unit 115 calculates the temperature predicted value calculated by the temperature predicting unit 114 and the corresponding date and time period actual value. The difference (prediction error) is calculated, and the average value μ and standard deviation σ of the prediction error are calculated for each season information and time zone. The error analysis unit 115 registers the seasonal information and the average value μ and the standard deviation σ for each time zone in the error data storage unit 135.
誤差データ記憶部１３５は、予測誤差に関するデータ（以下、誤差データという。）を記憶する。図７は誤差データ記憶部１３５の構成例を示す図である。誤差データ記憶部１３５は、季節情報（冬、早春、春、初夏、つゆ、夏、秋の７区分）に対応付けて、時間帯ごとの平均値μおよび標準偏差σを記憶する。 The error data storage unit 135 stores data related to prediction errors (hereinafter referred to as error data). FIG. 7 is a diagram illustrating a configuration example of the error data storage unit 135. The error data storage unit 135 stores an average value μ and a standard deviation σ for each time zone in association with seasonal information (7 categories of winter, early spring, spring, early summer, soup, summer, and autumn).
確率分布作成部１１６は、気温予測部１１４が予測した予測値を確率分布で表すデータ（以下、確率分布データという。）を作成する。本実施形態では、気温の予測値は正規分布であるものとして、予測誤差の平均値（期待値）μに気温の予測値を加算したうえで、標準偏差σから正規分布Ｎ（μ，σ２）を表すデータ（たとえば正規分布の確率密度関数ｆ（ｘ））を作成する。本実施形態では、確率分布作成部１１６は、予測誤差の平均値μと標準偏差σから予測誤差の正規分布Ｎ（μ，σ２）を表すデータを作成し、予測誤差についての１０パーセンタイル値、３０パーセンタイル値、５０パーセンタイル値、７０パーセンタイル値および９０パーセンタイル値を求め、これらに対応する時間帯の気温の予測値を加算することにより、気温の予測値の確率分布を作成する。 The probability distribution creation unit 116 creates data representing the predicted value predicted by the temperature prediction unit 114 as a probability distribution (hereinafter referred to as probability distribution data). In the present embodiment, assuming that the predicted value of the temperature is a normal distribution, the predicted value of the temperature is added to the average value (expected value) μ of the prediction error, and then the normal distribution N (μ, σ 2) from the standard deviation σ. ) (For example, probability distribution function f (x) of normal distribution) is created. In the present embodiment, the probability distribution creating unit 116 creates data representing the normal distribution N (μ, σ 2 ) of the prediction error from the average value μ of the prediction error and the standard deviation σ, and the 10th percentile value for the prediction error, A 30th percentile value, a 50th percentile value, a 70th percentile value, and a 90th percentile value are obtained, and the predicted value of the temperature in the time zone corresponding to these is added, thereby creating a probability distribution of the predicted temperature value.
予測値出力部１１７は、気温の予測値を出力する。予測値出力部１１７は、確率分布作成部１１６により作成された確率分布に基づいて気温の予測値を出力する。本実施形態では、予測値出力部１１７は、確率分布の１０パーセンタイル値、３０パーセンタイル値、５０パーセンタイル値、７０パーセンタイル値、９０パーセンタイル値の５つの値を気温の予測値として時間帯毎に出力する。なお、予測値出力部１１７は、平均値（期待値）μを気温の予測値として出力したり、時間帯毎に正規分布のグラフを出力したりすることもできる。 The predicted value output unit 117 outputs the predicted temperature value. The predicted value output unit 117 outputs a predicted temperature value based on the probability distribution created by the probability distribution creating unit 116. In the present embodiment, the predicted value output unit 117 outputs five values of the 10th percentile value, the 30th percentile value, the 50th percentile value, the 70th percentile value, and the 90th percentile value of the probability distribution for each time period as predicted temperatures. . The predicted value output unit 117 can output an average value (expected value) μ as a predicted value of temperature, or can output a normal distribution graph for each time zone.
また、予測値出力部１１７は、１時間単位の時間帯の予測値から３０分単位の時間帯の予測値を作成して出力することもできる。図８に示すように、各時間帯の予測値は、各時間帯の中間時刻の予測値であるものとし、これを時間帯の長さで按分することにより任意の長さの時間帯の予測値を求めることができる。たとえば、１時間単位のある時間帯Ｘにおける気温の予測値をＴＸとすると、時間帯Ｘの開始時刻Ｘｓにおける気温の予測値ＴＸＳと、時間帯Ｘ＋１の開始時刻（Ｘ＋１）Ｓにおける気温予測値Ｔ（Ｘ＋１）Ｓとは次式により求められる。 The predicted value output unit 117 can also generate and output a predicted value in a time zone of 30 minutes from a predicted value in a time zone of 1 hour. As shown in FIG. 8, the predicted value of each time zone is assumed to be a predicted value of the intermediate time of each time zone, and is divided by the length of the time zone to predict a time zone of any length. The value can be determined. For example, if the predicted value of the temperature in a certain time zone X of one hour unit is T X , the predicted temperature value T XS at the start time Xs of the time zone X and the temperature prediction at the start time (X + 1) S of the time zone X + 1 The value T (X + 1) S is obtained by the following equation.
そして、時間帯Ｘを構成する前半３０分の時間帯をＸＡ、後半３０分の時間帯をＸＢとすると、時間帯ＸＡ，ＸＢの気温予測値ＴＸＡ，ＴＸＢは、次式により求められる。 Then, assuming that the first half hour time zone constituting the time zone X is XA and the second half hour time zone is XB, the temperature predicted values T XA and T XB of the time zones XA and XB are obtained by the following equations.
＝＝処理＝＝
以下、本実施形態の気温予測装置１０により実行される処理について説明する。
== Processing ==
Hereinafter, the process performed by the temperature prediction apparatus 10 of this embodiment is demonstrated.
＜事前処理＞
図９は気温予測を行う前に行う事前処理の流れを示す図である。
<Pre-processing>
FIG. 9 is a diagram showing a flow of pre-processing performed before temperature prediction.
実績値取得部１１１は、気温の実績値を取得して実績値記憶部１３１に登録し（Ｓ２０１）、予測値取得部１１２は気象データを取得して予測値記憶部１３２に登録する（Ｓ２０２）。基準カーブ作成部１１３は、気温の実績値から基準カーブを作成する（Ｓ２０３）。 The actual value acquisition unit 111 acquires the actual temperature value and registers it in the actual value storage unit 131 (S201), and the predicted value acquisition unit 112 acquires the weather data and registers it in the predicted value storage unit 132 (S202). . The reference curve creation unit 113 creates a reference curve from the actual temperature value (S203).
図１０は、基準カーブの作成処理の流れを示す図である。基準カーブ作成部１１３はまず、各地域および１年の各日付（２月２９日を含む。）について、同月同日同地域の気温の実績値を実績値記憶部１３１から読み出し（Ｓ２２１）、読み出した気温の実績値を時間帯ごとに平均して時間帯ごとの平均気温を算出する（Ｓ２２２）。基準カーブ作成部１１３は、平均気温の中から平均最高気温および平均最低気温を選択する（Ｓ２２３）。基準カーブ作成部１１３は、各平均気温から平均最低気温を減算し（Ｓ２２４）、減算した平均気温を平均最高気温から平均最低気温を引いた値で割って正規化値を算出する（Ｓ２２５）。基準カーブ作成部１１３は、正規化値を時間帯の順に並べた基準カーブを基準カーブ記憶部１３３に登録する（Ｓ２２６）。 FIG. 10 is a diagram illustrating a flow of a reference curve creation process. First, the reference curve creation unit 113 reads out the actual temperature value of the same area on the same day of the same month for each region and year (including February 29) from the actual value storage unit 131 (S221). The average temperature for each time zone is calculated by averaging the actual temperature values for each time zone (S222). The reference curve creation unit 113 selects the average maximum temperature and the average minimum temperature from the average temperatures (S223). The reference curve creation unit 113 subtracts the average minimum temperature from each average temperature (S224), and calculates the normalized value by dividing the subtracted average temperature by the value obtained by subtracting the average minimum temperature from the average maximum temperature (S225). The reference curve creation unit 113 registers a reference curve in which normalized values are arranged in the order of time zones in the reference curve storage unit 133 (S226).
図９に戻り、気温予測部１１４は、地域および日付ごとに過去の気温予測を行う（Ｓ２０４）。 Returning to FIG. 9, the temperature prediction unit 114 performs past temperature prediction for each region and date (S <b> 204).
図１１は、過去の気温予測処理の流れを示す図である。 FIG. 11 is a diagram illustrating a flow of past temperature prediction processing.
気温予測部１１４は、予測値記憶部１３２に記憶されている全ての予測対象日、すなわち、過去３年分の予測対象日のそれぞれについて以下の処理を行う。 The temperature prediction unit 114 performs the following processing for all the prediction target days stored in the prediction value storage unit 132, that is, for each of the prediction target days for the past three years.
気温予測部１１４は、「広島」「岡山」「松江」「鳥取」「山口」の各地域について、当該地域および予測対象日に対応する最高気温および最低気温の予測値を予測値記憶部１３２から読み出し（Ｓ２４１）、当該地域および日付に対応する基準カーブを基準カーブ記憶部１３３から読み出す（Ｓ２４２）。気温予測部１１４は、読み出した基準カーブに含まれる各時間帯の正規化値に、読み出した最高気温の予測値から読み出した最低気温の予測値を引いた値を乗じ、当該乗算結果に対して、読み出した最低気温の予測値を加算することにより、時間帯ごとの気温の予測値を算出する（Ｓ２４３）。 The temperature predicting unit 114 calculates predicted values of the highest temperature and the lowest temperature corresponding to the region and the prediction target date from the predicted value storage unit 132 for each region of “Hiroshima”, “Okayama”, “Matsue”, “Tottori”, and “Yamaguchi”. Reading (S241), the reference curve corresponding to the area and date is read from the reference curve storage unit 133 (S242). The temperature prediction unit 114 multiplies the normalized value of each time zone included in the read reference curve by a value obtained by subtracting the read predicted value of the lowest temperature from the read predicted value of the highest temperature, and the multiplication result is obtained. The predicted value of the temperature for each time zone is calculated by adding the read predicted value of the lowest temperature (S243).
図９に戻り、誤差分析部１１５は、予測誤差の分析処理を行う（Ｓ２０５）。 Returning to FIG. 9, the error analysis unit 115 performs a prediction error analysis process (S205).
図１２は、誤差分析部１１５による予測誤差の分析処理の流れを示す図である。 FIG. 12 is a diagram illustrating a flow of prediction error analysis processing by the error analysis unit 115.
誤差分析部１１５は、予測値記憶部１３２に記憶されている全ての予測対象日、すなわち、過去３年分の各予測対象日と、各地域と各時間帯とについて、予測対象日、地域および時間帯に対応する気温の実績値および季節情報を実績値記憶部１３１から読み出し（Ｓ２６１）、読み出した気温の実績値と、上記気温予測部１１４により算出された、当該時間帯、当該地域および当該予測対象日に対応する気温の予測値との差（予測誤差）を算出する（Ｓ２６２）。 The error analysis unit 115 calculates the prediction target date, the region, and the prediction target date stored in the predicted value storage unit 132, that is, each prediction target date for the past three years, each region, and each time zone. The actual temperature value and the season information corresponding to the time zone are read from the actual value storage unit 131 (S261), and the read actual temperature value and the time zone, the region, and the time calculated by the temperature prediction unit 114 are read. A difference (prediction error) from the predicted value of the temperature corresponding to the prediction target date is calculated (S262).
誤差分析部１１５は、以上の処理を行った後、地域および季節情報ごとに、予測誤差の平均値μと、標準偏差σとを算出する（Ｓ２６３）。なお、平均値μおよび標準偏差σの算出処理については一般的な手法を用いるものとしてここでは詳細を省略する。誤差分析部１１５は、季節情報に対応付けて、算出した平均値μおよび標準偏差σを誤差データ記憶部１３５に登録する（Ｓ２６４）。 After performing the above processing, the error analysis unit 115 calculates the average value μ of the prediction error and the standard deviation σ for each region and season information (S263). In addition, about the calculation process of average value (micro | micron | mu) and standard deviation (sigma), the detail is abbreviate | omitted here as what uses a general method. The error analysis unit 115 registers the calculated average value μ and standard deviation σ in the error data storage unit 135 in association with the season information (S264).
以上のようにして、地域別の基準カーブが作成されて基準カーブ記憶部１３３に登録され、地域および季節別の予測誤差に係る平均値μおよび標準偏差σが計算されて誤差データ記憶部１３５に登録される。 As described above, the reference curve for each region is created and registered in the reference curve storage unit 133, and the average value μ and the standard deviation σ relating to the prediction error for each region and season are calculated and stored in the error data storage unit 135. be registered.
＜予測処理＞
図１３は、将来の気温予測処理の流れを示す図である。
<Prediction process>
FIG. 13 is a diagram showing a flow of future temperature prediction processing.
気温予測部１１４は、予測値記憶部１３２に記憶されている最新の予測対象日を読み出し（Ｓ３０１）、「広島」「岡山」「松江」「鳥取」「山口」の各地域について以下の処理が行われる。 The temperature prediction unit 114 reads the latest prediction target date stored in the prediction value storage unit 132 (S301), and the following processing is performed for each region of “Hiroshima”, “Okayama”, “Matsue”, “Tottori”, and “Yamaguchi”. Done.
気温予測部１１４は、予測対象日および地域に対応する最高気温および最低気温の予測値を予測値記憶部１３２から読み出し（Ｓ３０２）、地域に対応する基準カーブを基準カーブ記憶部１３３から読み出す（Ｓ３０３）。気温予測部１１４は、読み出した基準カーブに含まれる各時間帯の正規化値に、読み出した最高気温の予測値から読み出した最低気温の予測値を引いた値を乗じ、当該乗算結果に対して、読み出した最低気温の予測値を加算することにより、時間帯ごとの気温の予測値を算出する（Ｓ３０４）。確率分布作成部１１６は、算出された予測値の確率分布を作成する（Ｓ３０５）。 The temperature prediction unit 114 reads the predicted values of the highest temperature and the lowest temperature corresponding to the prediction target date and the region from the predicted value storage unit 132 (S302), and reads the reference curve corresponding to the region from the reference curve storage unit 133 (S303). ). The temperature prediction unit 114 multiplies the normalized value of each time zone included in the read reference curve by a value obtained by subtracting the read predicted value of the lowest temperature from the read predicted value of the highest temperature, and the multiplication result is obtained. Then, by adding the read predicted value of the lowest temperature, the predicted value of the temperature for each time zone is calculated (S304). The probability distribution creation unit 116 creates a probability distribution of the calculated predicted value (S305).
図１４は、時間帯ごとの気温予測値の確率分布を作成する処理の流れを示す図である。 FIG. 14 is a diagram showing a flow of processing for creating a probability distribution of predicted temperature values for each time zone.
確率分布作成部１１６は、予測対象日に対応する季節情報を特定する（Ｓ３２１）。なお、上述したように、季節情報は予測対象日に応じて所定のルールにより決定されるものとするが、確率分布作成部１１６が季節情報の入力を受け付けるようにしてもよい。 The probability distribution creation unit 116 identifies season information corresponding to the prediction target date (S321). As described above, the season information is determined according to a predetermined rule according to the prediction target date, but the probability distribution creating unit 116 may accept the input of the season information.
確率分布作成部１１６は、誤差データ記憶部１３５から季節情報に対応する平均値μおよび標準偏差σを読み出し（Ｓ３２２）、読み出した平均値μおよび標準偏差σを用いて、時間帯ごとに予測誤差ｅに係る正規分布の確率密度関数ｆ（ｅ）を作成する（Ｓ３２３）。 The probability distribution creation unit 116 reads the average value μ and standard deviation σ corresponding to the season information from the error data storage unit 135 (S322), and uses the read average value μ and standard deviation σ to predict the error for each time zone. A probability distribution function f (e) of a normal distribution related to e is created (S323).
確率分布作成部１１６は、１０，３０，５０，７０，９０をそれぞれＸとして、時間帯についての確率密度関数ｆ（ｅ）から予測誤差についてのＸパーセンタイル値を求め（Ｓ３２４）、時間帯の気温の予測値に予測誤差のＸパーセンタイル値を加算して、気温予測値のＸパーセンタイル値を算出する（Ｓ３２５）。 The probability distribution creation unit 116 obtains the X percentile value for the prediction error from the probability density function f (e) for the time zone, where X is 10, 30, 50, 70, and 90 (S324). The X percentile value of the predicted temperature is calculated by adding the X percentile value of the prediction error to the predicted value (S325).
図１３に戻り、上記の処理を各時間帯について行った後、予測値出力部１１７は、３０分単位の時間帯の予測値を作成する（Ｓ３０６）。 Returning to FIG. 13, after performing the above processing for each time zone, the predicted value output unit 117 creates a predicted value for a time zone of 30 minutes (S306).
図１５は、３０分単位の時間帯の予測値を算出する処理の流れを示す図である。 FIG. 15 is a diagram showing a flow of processing for calculating a predicted value in a time zone of 30 minutes.
予測値出力部１１７は、各時間帯ｉについて、１０，３０，５０，７０，９０をＸとして、当該時間帯ｉのひとつ前の時間帯ｉ−１に係る気温予測値のＸパーセンタイル値をＴｉ−１ Ｘとし（Ｓ３４１）、当該時間帯ｉに係る気温予測値のＸパーセンタイル値をＴｉ Ｘとし（Ｓ３４２）、当該時間帯ｉの次の時間帯ｉ＋１に係る気温予測値のＸパーセンタイル値をＴｉ＋１ Ｘとして（Ｓ３４３）、次式により当該時間帯ｉの正時から始まる３０分の時間帯ｉＡに係る気温の予測値ｉＡＸを算出する（Ｓ３４４）。 For each time zone i, the predicted value output unit 117 sets 10, 30, 50, 70, 90 as X, and calculates the X percentile value of the temperature predicted value related to the time zone i-1 immediately before the time zone i. and i-1 X (S341), the X percentile value of the temperature prediction value according to the time zone i and T i X (S342), X percentile of temperature prediction value according to the following time slot i + 1 of the time slot i Is calculated as T i + 1 X (S343), and a predicted temperature value iA X related to a time zone iA of 30 minutes starting from the hour of the time zone i is calculated by the following equation (S344).
また、予測値出力部１１７は、次式により当該時間帯ｉの正時の３０分後から始まる３０分の時間帯ｉＢに係る気温の予測値ｉＢＸとして算出する（Ｓ３４５）。 Further, the predicted value output unit 117 calculates a predicted value iB X temperatures according to the time zone iB of 30 minutes starting from the hour of 30 minutes after the time slot i by the following equation (S345).
図１３に戻り、予測値出力部１１７は３０分の時間帯の気温予測値の確率分布（１０，３０，５０，７０，９０パーセンタイル値）を気温の予測値として出力する（Ｓ３０７）。 Returning to FIG. 13, the predicted value output unit 117 outputs the probability distribution (10, 30, 50, 70, 90th percentile value) of the temperature predicted value in the 30-minute time zone as the temperature predicted value (S307).
図１６は、予測値出力部１１７により出力される気温の予測値の一例を示す図である。同図に示すように、予測値出力部１１７は、１Ａないし２４Ｂまでの３０分の時間帯ｉＡ，ｉＢのそれぞれについて、気温予測値の１０％値（予測値ｉＡ１０％，ｉＢ１０％）、３０％値（予測値ｉＡ３０％，ｉＢ３０％）、５０％値（予測値ｉＡ５０％，ｉＢ５０％）、７０％値（予測値ｉＡ７０％，ｉＢ７０％）および９０％値（予測値ｉＡ９０％，ｉＢ９０％）を出力している。このように、予測値出力部１１７は、気温の予測値をそのばらつきを含めて一覧で表示することができる。よって、ユーザは気温の予測についてより詳細に把握することが可能となる。 FIG. 16 is a diagram illustrating an example of a predicted temperature value output by the predicted value output unit 117. As shown in the figure, the predicted value output unit 117 has a 10% temperature predicted value (predicted value iA 10% , iB 10% ) for each of the 30 minute time zones iA and iB from 1A to 24B, 30% value (predicted value iA 30% , iB 30% ), 50% value (predicted value iA 50% , iB 50% ), 70% value (predicted value iA 70% , iB 70% ) and 90% value (predicted) Value iA 90% , iB 90% ). As described above, the predicted value output unit 117 can display the predicted values of the temperature in a list including the variation. Therefore, the user can grasp the temperature prediction in more detail.
＝＝効果＝＝
以上説明したように、本実施形態の気温予測装置１０によれば、過去の気温の実績値に基づいて１日の気温の変化を表す基準カーブを作成し、当該基準カーブに基づいて気温の予測を行うことができる。したがって、たとえば過去の気温の実績値の平均値や中央値を現在の気温とするのではなく、１日の気温の変化の傾向に応じて気温を予測することが可能となり、予測精度が向上することが期待される。
== Effect ==
As described above, according to the temperature prediction device 10 of the present embodiment, a reference curve representing a change in the temperature of the day is created based on the past actual temperature values, and the temperature is predicted based on the reference curve. It can be performed. Therefore, for example, instead of using the average value or the median of past actual temperature values as the current temperature, it is possible to predict the temperature according to the trend of daily temperature change, and the prediction accuracy is improved. It is expected.
また、本実施形態の気温予測装置１０では、最低気温から最高気温までの間の変化を表すように正規化した値を基準カーブとして用いている。したがって、気温差の幅や、最低最高気温の高低によらず、気温の変化に着目した分析を行うことができる。よって、気温の変化の傾向を把握し、気温予測に生かすことが可能となり、予測精度の向上が期待される。 Moreover, in the temperature prediction apparatus 10 of this embodiment, the value normalized so as to represent the change between the lowest temperature and the highest temperature is used as the reference curve. Therefore, it is possible to perform an analysis paying attention to a change in temperature regardless of the range of the temperature difference or the level of the minimum maximum temperature. Therefore, it becomes possible to grasp the tendency of the temperature change and utilize it for the temperature prediction, and the improvement of the prediction accuracy is expected.
また、地域によって１日の気温の変化具合は異なることがあるところ、本実施形態の気温予測装置１０では、地域ごとに基準カーブを作成している。したがって、本実施形態の基準カーブは地域に特徴的な温度の変化を適切に表すことが可能となり、気温の予測精度を向上させることができる。 In addition, the daily temperature change may vary depending on the region. In the temperature prediction device 10 of the present embodiment, a reference curve is created for each region. Therefore, the reference curve of the present embodiment can appropriately represent a change in temperature characteristic of the region, and the prediction accuracy of the temperature can be improved.
また、日によって１日の気温の変化具合は異なることがあるところ、本実施形態の気温予測装置１０では、日付ごとに基準カーブを作成している。したがって、基準カーブは季節等の特徴を反映させるとともに、日によって特徴的な温度の変化を反映させて、１日の温度変化を表すことが可能となり、気温の予測精度を向上させることができる。 In addition, since the change in the temperature of the day may vary depending on the day, the temperature prediction device 10 of the present embodiment creates a reference curve for each date. Therefore, the reference curve reflects characteristics such as seasons, and also reflects characteristic temperature changes depending on the day, so that the temperature change of the day can be expressed, and the prediction accuracy of the temperature can be improved.
また、本実施形態の気温予測装置１０によれば、基準カーブによる気温の予測値に係る予測誤差を算出し、予測誤差による修正を行っている。したがって、予測精度を向上することができる。 Moreover, according to the temperature prediction apparatus 10 of this embodiment, the prediction error which concerns on the predicted value of the temperature by a reference | standard curve is calculated, and correction by a prediction error is performed. Therefore, prediction accuracy can be improved.
また、本実施形態の気温予測装置１０では、予測誤差の確率分布から気温予測値の確率分布を生成している。これにより、気温予測値のばらつきを把握することが可能となり、気温に基づく意思決定に有用である。また、本実施形態の気温予測装置１０では、時間帯ごとに誤差データを管理しているので、時間帯によって予測誤差にばらつきが出る場合にも対応して予測精度を高く保つことができる。 Moreover, in the temperature prediction device 10 of the present embodiment, a probability distribution of temperature predicted values is generated from a probability distribution of prediction errors. Thereby, it becomes possible to grasp | ascertain the dispersion | variation in temperature predicted value, and it is useful for the decision making based on temperature. In addition, since the temperature prediction device 10 of the present embodiment manages error data for each time zone, the prediction accuracy can be kept high even when the prediction error varies depending on the time zone.
なお、本実施形態では、気温予測装置１０は１台のコンピュータであるものとしたが、複数台のコンピュータにより実現することもできる。たとえば、複数台のコンピュータにより１台の仮想コンピュータを実現するようにすることもできるし、機能部を実装した処理コンピュータと、記憶部を実装したデータベースサーバとからシステムを構成するようにすることもできる。また、気象データ（気象庁による予報値および計測器による計測結果を含む。）を管理する気象サーバを設け、気象予測装置１０がこの気象サーバに問い合わせを行うようにしてもよい。 In the present embodiment, the temperature prediction device 10 is a single computer, but may be realized by a plurality of computers. For example, a single virtual computer can be realized by a plurality of computers, or a system can be configured from a processing computer having a functional unit and a database server having a storage unit. it can. Further, a weather server that manages weather data (including forecast values by the Japan Meteorological Agency and measurement results by the measuring instrument) may be provided, and the weather prediction device 10 may make an inquiry to the weather server.
また、本実施形態では、気温予測は気温予測装置１０のみによって行うものとしたが、これに限らず、たとえば、基準カーブを作成するコンピュータと、誤差を分析するコンピュータと、予測を行うコンピュータとを別のコンピュータとすることもできる。 In the present embodiment, the temperature prediction is performed only by the temperature prediction device 10. However, the present invention is not limited to this. For example, a computer that creates a reference curve, a computer that analyzes an error, and a computer that performs prediction It can be another computer.
また、本実施形態では、予測誤差を平均することにより基準カーブを求めるものとしたが、これに限らず、たとえば曲線あてはめにより近似式を求めて基準カーブとしてもよい。 In this embodiment, the reference curve is obtained by averaging the prediction errors. However, the present invention is not limited to this. For example, an approximate expression may be obtained by curve fitting to obtain the reference curve.
また、本実施形態では、地域および日付ごとに基準カーブを作成して基準カーブ記憶部１３３に記憶するものとしたが、これに限らず、各地域に共通した日付ごとに１つの基準カーブを作成して記憶するようにしてもよいし、地域および季節ごとの基準カーブを作成して記憶するようにしてもよい。各地域に共通した季節ごとの基準カーブを作成して記憶するようにしてもよい。 In this embodiment, a reference curve is created for each region and date and stored in the reference curve storage unit 133. However, the present invention is not limited to this, and one reference curve is created for each date common to each region. You may make it memorize | store, You may make it create and memorize | store the reference | standard curve for every area and a season. A reference curve for each season common to each region may be created and stored.
また、本実施形態では、季節ごとに予測誤差の統計値（平均値μおよび標準偏差σ）を求めて誤差データ記憶部１３５に記憶するものとしたが、全体で１つの予測誤差の統計値を求めて記憶するようにしてもよいし、地域ごとに予測誤差の統計値を求めて記憶するようにしてもよい。また、地域と季節とに対応する予測誤差の統計値を求めて記憶するようにしてもよい。 Further, in the present embodiment, the statistical value (average value μ and standard deviation σ) of the prediction error is obtained for each season and stored in the error data storage unit 135. However, the statistical value of one prediction error is obtained as a whole. It may be obtained and stored, or a statistical value of prediction error may be obtained and stored for each region. Further, a statistical value of prediction error corresponding to the region and season may be obtained and stored.
以上、本実施形態について説明したが、上記実施形態は本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。本発明は、その趣旨を逸脱することなく、変更、改良され得ると共に、本発明にはその等価物も含まれる。 Although the present embodiment has been described above, the above embodiment is intended to facilitate understanding of the present invention and is not intended to limit the present invention. The present invention can be changed and improved without departing from the gist thereof, and the present invention includes equivalents thereof.
１０ 気温予測装置
１１１ 実績値取得部
１１２ 予測値取得部
１１３ 基準カーブ作成部
１１４ 気温予測部
１１５ 誤差分析部
１１６ 確率分布作成部
１１７ 予測値出力部
１３１ 実績値記憶部
１３２ 予測値記憶部
１３３ 基準カーブ記憶部
１３４ 重み記憶部
１３５ 誤差データ記憶部
DESCRIPTION OF SYMBOLS 10 Temperature prediction apparatus 111 Actual value acquisition part 112 Predicted value acquisition part 113 Reference curve creation part 114 Temperature prediction part 115 Error analysis part 116 Probability distribution creation part 117 Predictive value output part 131 Actual value storage part 132 Predictive value storage part 133 Reference curve Storage unit 134 Weight storage unit 135 Error data storage unit
Claims (8)
時間帯ごとの気温の実績値を記憶する実績値記憶部と、
前記実績値を正規化して前記時間帯ごとの気温の変化を表す基準カーブを作成する基準カーブ作成部と、
最高気温および最低気温ならびに前記基準カーブに基づいて前記時間帯ごとの気温予測値を算出する気温予測部と、
前記最高気温および前記最低気温のそれぞれの過去の予測値および将来の予測値を取得する最高最低気温取得部と、
前記最高気温および前記最低気温の前記過去の予測値を与えて前記気温予測部に過去の前記気温予測値を算出させ、前記過去の気温予測値の予測誤差を算出する予測誤差算出部と、
前記最高気温および前記最低気温の前記将来の予測値を与えて前記気温予測部に将来の前記気温予測値を算出させ、前記将来の気温予測値と前記予測誤差とに基づいて、前記時間帯ごとの前記気温予測値の確率分布を作成する確率分布作成部と、
前記確率分布を前記時間帯ごとの気温の予測値として出力する予測値出力部と、
を備えることを特徴とする気温予測システム。 A system for predicting temperature,
An actual value storage unit for storing an actual temperature value for each time zone;
A reference curve creating unit that normalizes the actual values and creates a reference curve that represents a change in temperature for each time period; and
A temperature prediction unit that calculates a predicted temperature value for each time period based on the highest and lowest temperatures and the reference curve;
A maximum and minimum temperature acquisition unit for acquiring a past predicted value and a future predicted value of each of the maximum temperature and the minimum temperature;
A prediction error calculation unit that gives the past predicted values of the highest temperature and the lowest temperature, causes the temperature prediction unit to calculate the past temperature predicted value, and calculates a prediction error of the past temperature predicted value;
Based on the future temperature prediction value and the prediction error, the temperature prediction unit calculates the future temperature prediction value by giving the future prediction values of the highest temperature and the lowest temperature. A probability distribution creation unit for creating a probability distribution of the temperature predicted value of
A predicted value output unit that outputs the probability distribution as a predicted value of temperature for each time period;
A temperature prediction system characterized by comprising:
前記基準カーブ作成部は、過去の前記時間帯ごとの前記実績値を平均した平均気温値を算出し、前記時間帯ごとの前記実績値の最低値および最高値を平均した平均最低気温および平均最高気温を算出し、前記平均最高気温から前記平均最低気温を減ずるとともに前記時間帯ごとの前記実績値のそれぞれから前記平均最低気温を減じたうえで、前記時間帯ごとの前記実績値のそれぞれを、前記平均最高気温から前記平均最低気温を減じた値で除した正規化値を前記基準カーブとして算出すること、
を特徴とする気温予測システム。 The temperature prediction system according to claim 1,
The reference curve creation unit calculates an average temperature value obtained by averaging the actual values for each of the past time zones, and calculates an average lowest temperature and an average highest value obtained by averaging the lowest and highest values of the actual values for each time zone. After calculating the temperature, subtracting the average minimum temperature from the average maximum temperature and subtracting the average minimum temperature from each of the actual values for each of the time zones, each of the actual values for each of the time zones, Calculating a normalized value obtained by dividing the average maximum temperature by a value obtained by subtracting the average minimum temperature as the reference curve;
A temperature prediction system characterized by
前記気温予測部は、各前記時間帯について、当該時間帯に対応する前記正規化値から、当該時間帯の直後の前記時間帯に対応する正規化値に線形に変化させる方程式を求め、前記方程式に予測対象の時刻を適用して、当該予測対象の時刻の前記予測気温を算出すること、
を特徴とする気温予測システム。 The temperature prediction system according to claim 2,
For each time zone, the temperature prediction unit obtains an equation for linearly changing from the normalized value corresponding to the time zone to a normalized value corresponding to the time zone immediately after the time zone, Applying the prediction target time to calculate the predicted temperature of the prediction target time,
A temperature prediction system characterized by
前記基準カーブ作成部は、過去の前記時間帯ごとの前記実績値に基づいて曲線あてはめによる近似式を前記基準カーブとして求めること、
を特徴とする気温予測システム。 The temperature prediction system according to claim 1,
The reference curve creation unit obtains an approximate expression by curve fitting as the reference curve based on the past actual value for each time period;
A temperature prediction system characterized by
前記気温予測部は、前記最高気温の前記過去の予測値および前記最低気温の前記過去の予測値と前記基準カーブとに基づいて過去の前記時間帯ごとの気温予測値を算出し、
前記予測誤差算出部は、前記時間帯ごとに、前記実績値と前記過去の気温予測値との差を前記予測誤差として算出し、
前記確率分布作成部は、前記時間帯ごとに前記予測誤差の平均値および標準偏差を算出し、前記時間帯ごとに前記気温予測値、前記平均値および前記標準偏差に応じて前記確率分布を作成すること、
を特徴とする気温予測システム。 The temperature prediction system according to claim 1,
The temperature prediction unit calculates a temperature prediction value for each past time zone based on the past prediction value of the maximum temperature and the past prediction value of the minimum temperature and the reference curve,
The prediction error calculation unit calculates, as the prediction error, a difference between the actual value and the past temperature prediction value for each time period,
The probability distribution creation unit calculates an average value and a standard deviation of the prediction error for each time period, and creates the probability distribution according to the temperature prediction value, the average value, and the standard deviation for each time period To do,
A temperature prediction system characterized by
前記気温予測部は、季節ごとに前記過去の時間帯ごとの気温予測値を算出し、
前記予測誤差算出部は、前記季節ごとに前記予測誤差を算出し、
前記確率分布作成部は、前記季節ごとに前記確率分布を作成すること、
を特徴とする気温予測システム。 The temperature prediction system according to claim 5,
The temperature prediction unit calculates a temperature prediction value for each past time zone for each season,
The prediction error calculation unit calculates the prediction error for each season,
The probability distribution creating unit creates the probability distribution for each season;
A temperature prediction system characterized by
時間帯ごとの気温の実績値を記憶する実績値記憶部を備えるコンピュータが、
前記実績値を正規化して前記時間帯ごとの気温の変化を表す基準カーブを作成するステップと、
最高気温および最低気温ならびに前記基準カーブに基づいて前記時間帯ごとの気温予測値を算出するステップと、
前記最高気温および前記最低気温のそれぞれの過去の予測値および将来の予測値を取得するステップと、
前記最高気温および前記最低気温の前記過去の予測値と前記基準カーブとに基づいて過去の前記気温予測値を算出するステップと、
前記過去の気温予測値の予測誤差を算出するステップと、
前記最高気温および前記最低気温の前記将来の予測値と前記基準カーブとに基づいて将来の前記気温予測値を算出するステップと、
前記将来の気温予測値と前記予測誤差とに基づいて、前記時間帯ごとの前記気温予測値の確率分布を作成するステップと、
前記確率分布を前記時間帯ごとの気温の予測値として出力するステップと、
を実行することを特徴とする気温予測方法。 A method for predicting temperature,
A computer provided with a record value storage unit for storing record values of temperature for each time zone,
Normalizing the actual value and creating a reference curve representing a change in temperature for each time period; and
Calculating a predicted temperature value for each time period based on the highest and lowest temperatures and the reference curve;
Obtaining a past predicted value and a future predicted value of each of the maximum temperature and the minimum temperature;
Calculating the past temperature predicted value based on the past predicted value of the highest temperature and the lowest temperature and the reference curve;
Calculating a prediction error of the past temperature prediction value;
Calculating the future temperature predicted value based on the future predicted value of the highest temperature and the lowest temperature and the reference curve;
Creating a probability distribution of the temperature prediction value for each time zone based on the future temperature prediction value and the prediction error;
Outputting the probability distribution as a predicted value of temperature for each time period;
The temperature prediction method characterized by performing.
時間帯ごとの気温の実績値を記憶する実績値記憶部を備えるコンピュータに、
前記実績値を正規化して前記時間帯ごとの気温の変化を表す基準カーブを作成するステップと、
最高気温および最低気温ならびに前記基準カーブに基づいて前記時間帯ごとの気温予測値を算出するステップと、
前記最高気温および前記最低気温のそれぞれの過去の予測値および将来の予測値を取得するステップと、
前記最高気温および前記最低気温の前記過去の予測値と前記基準カーブとに基づいて過去の前記気温予測値を算出するステップと、
前記過去の気温予測値の予測誤差を算出するステップと、
前記最高気温および前記最低気温の前記将来の予測値と前記基準カーブとに基づいて将来の前記気温予測値を算出するステップと、
前記将来の気温予測値と前記予測誤差とに基づいて、前記時間帯ごとの前記気温予測値の確率分布を作成するステップと、
前記確率分布を前記時間帯ごとの気温の予測値として出力するステップと、
を実行させるためのプログラム。
A program for predicting temperature,
In a computer equipped with an actual value storage unit for storing the actual temperature value for each time zone,
Normalizing the actual value and creating a reference curve representing a change in temperature for each time period; and
Calculating a predicted temperature value for each time period based on the highest and lowest temperatures and the reference curve;
Obtaining a past predicted value and a future predicted value of each of the maximum temperature and the minimum temperature;
Calculating the past temperature predicted value based on the past predicted value of the highest temperature and the lowest temperature and the reference curve;
Calculating a prediction error of the past temperature prediction value;
Calculating the future temperature predicted value based on the future predicted value of the highest temperature and the lowest temperature and the reference curve;
Creating a probability distribution of the temperature prediction value for each time zone based on the future temperature prediction value and the prediction error;
Outputting the probability distribution as a predicted value of temperature for each time period;
A program for running
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015016579A JP6467953B2 (en) | 2015-01-30 | 2015-01-30 | Temperature prediction system, temperature prediction method and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015016579A JP6467953B2 (en) | 2015-01-30 | 2015-01-30 | Temperature prediction system, temperature prediction method and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016142555A true JP2016142555A (en) | 2016-08-08 |
| JP6467953B2 JP6467953B2 (en) | 2019-02-13 |
Family
ID=56570130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2015016579A Active JP6467953B2 (en) | 2015-01-30 | 2015-01-30 | Temperature prediction system, temperature prediction method and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6467953B2 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101860457B1 (en) * | 2017-04-20 | 2018-05-23 | 주식회사 웨더아이엠씨 | Method for analyzing weather affect and apparatus for executing the method |
| JP2020149475A (en) * | 2019-03-14 | 2020-09-17 | 株式会社東芝 | Prediction device, prediction method and computer program |
| JP2022500768A (en) * | 2018-09-25 | 2022-01-04 | 新智数字科技有限公司Ennew Digital Technology Co., Ltd. | Thermal load prediction methods, equipment, readable media and electronic devices |
| CN114594532A (en) * | 2022-03-09 | 2022-06-07 | 北京墨迹风云科技股份有限公司 | Method and device for predicting cold weather, electronic equipment and computer readable medium |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07123589A (en) * | 1993-10-19 | 1995-05-12 | Toshiba Corp | Demand estimation system |
| JPH09210425A (en) * | 1996-01-30 | 1997-08-12 | Toshiba Corp | Demanding amount of cooling and heating estimating device |
| JPH10246490A (en) * | 1997-03-07 | 1998-09-14 | Toshiba Corp | Night purge control system |
| JP2002054182A (en) * | 2000-08-08 | 2002-02-20 | Yaskawa Electric Corp | Device for predicting amount of water supply |
| JP2004086896A (en) * | 2002-08-06 | 2004-03-18 | Fuji Electric Holdings Co Ltd | Method and system for constructing adaptive prediction model |
| JP2004336890A (en) * | 2003-05-08 | 2004-11-25 | Hitachi Ltd | Power purchase and sale support system |
| JP2007003096A (en) * | 2005-06-23 | 2007-01-11 | Toshiba Corp | Air conditioning control device |
| JP2009294969A (en) * | 2008-06-06 | 2009-12-17 | Mitsubishi Electric Corp | Demand forecast method and demand forecast device |
| JP2010020442A (en) * | 2008-07-09 | 2010-01-28 | Toshiba Corp | Method and device for creating prediction scenario of future demand regarding transaction object |
| US20140365128A1 (en) * | 2011-12-29 | 2014-12-11 | Gagyotech Co., Ltd. | Method for predicting hourly climatic data to estimate cooling/heating load |
-
2015
- 2015-01-30 JP JP2015016579A patent/JP6467953B2/en active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07123589A (en) * | 1993-10-19 | 1995-05-12 | Toshiba Corp | Demand estimation system |
| JPH09210425A (en) * | 1996-01-30 | 1997-08-12 | Toshiba Corp | Demanding amount of cooling and heating estimating device |
| JPH10246490A (en) * | 1997-03-07 | 1998-09-14 | Toshiba Corp | Night purge control system |
| JP2002054182A (en) * | 2000-08-08 | 2002-02-20 | Yaskawa Electric Corp | Device for predicting amount of water supply |
| JP2004086896A (en) * | 2002-08-06 | 2004-03-18 | Fuji Electric Holdings Co Ltd | Method and system for constructing adaptive prediction model |
| JP2004336890A (en) * | 2003-05-08 | 2004-11-25 | Hitachi Ltd | Power purchase and sale support system |
| JP2007003096A (en) * | 2005-06-23 | 2007-01-11 | Toshiba Corp | Air conditioning control device |
| JP2009294969A (en) * | 2008-06-06 | 2009-12-17 | Mitsubishi Electric Corp | Demand forecast method and demand forecast device |
| JP2010020442A (en) * | 2008-07-09 | 2010-01-28 | Toshiba Corp | Method and device for creating prediction scenario of future demand regarding transaction object |
| US20140365128A1 (en) * | 2011-12-29 | 2014-12-11 | Gagyotech Co., Ltd. | Method for predicting hourly climatic data to estimate cooling/heating load |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101860457B1 (en) * | 2017-04-20 | 2018-05-23 | 주식회사 웨더아이엠씨 | Method for analyzing weather affect and apparatus for executing the method |
| JP2022500768A (en) * | 2018-09-25 | 2022-01-04 | 新智数字科技有限公司Ennew Digital Technology Co., Ltd. | Thermal load prediction methods, equipment, readable media and electronic devices |
| JP7426992B2 (en) | 2018-09-25 | 2024-02-02 | 新智数字科技有限公司 | Heat load prediction method, device, readable medium and electronic equipment |
| JP2020149475A (en) * | 2019-03-14 | 2020-09-17 | 株式会社東芝 | Prediction device, prediction method and computer program |
| JP7210338B2 (en) | 2019-03-14 | 2023-01-23 | 株式会社東芝 | Prediction device, prediction method and computer program |
| CN114594532A (en) * | 2022-03-09 | 2022-06-07 | 北京墨迹风云科技股份有限公司 | Method and device for predicting cold weather, electronic equipment and computer readable medium |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6467953B2 (en) | 2019-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6467953B2 (en) | Temperature prediction system, temperature prediction method and program | |
| US20050197774A1 (en) | Method, program, and system for estimating weather risk | |
| WO2013166260A2 (en) | Methods and systems for improved time cost and accuracy of energy usage baselining | |
| Ricky Rambharat et al. | A threshold autoregressive model for wholesale electricity prices | |
| JP2009294969A (en) | Demand forecast method and demand forecast device | |
| US9658263B2 (en) | Methods and systems for measurement and verification weighting with temperature distribution | |
| JP2009223692A (en) | Operation support system, operation support method and program for water storage facility, | |
| JP6970998B2 (en) | Electric power demand forecasting device and electric power demand forecasting method | |
| US20180248370A1 (en) | Methods and systems for energy use normalization and forecasting | |
| Burgas et al. | Principal component analysis for monitoring electrical consumption of academic buildings | |
| TWI490811B (en) | Support facilities for storage facilities, use of reservoir support facilities and support facilities for storage facilities | |
| Jebeile et al. | Multi-model ensembles in climate science: Mathematical structures and expert judgements | |
| JP2016163511A (en) | Power demand amount prediction system, power demand amount prediction method, and program | |
| CN110889725A (en) | Online advertisement CTR estimation method, device, equipment and storage medium | |
| JP2015148934A (en) | Power generation amount prediction device and power generation amount prediction method | |
| Froude et al. | Atmospheric predictability revisited | |
| JP2009169930A (en) | Energy demand predicting device | |
| JP2015198535A (en) | Photovoltaic power generation system, terminal, analysis processing method, and program | |
| Kisuule et al. | Stochastic planning and operational constraint assessment of system-customer power supply risks in electricity distribution networks | |
| Yang et al. | Theoretical development of stochastic delay analysis and forecast method | |
| Bermúdez | Exponential smoothing with covariates applied to electricity demand forecast | |
| JP2016170468A (en) | Electric power transaction amount determination system, electric power transaction amount determination method and program | |
| Bensoussan et al. | Forecasting the energy produced by a windmill on a yearly basis | |
| Hermanns et al. | Evaluation of different development possibilities of distribution grid state forecasts | |
| JP2009251742A (en) | Demand predicting device, demand predicting method and demand predicting program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180129 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180720 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180731 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180828 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181218 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181231 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6467953 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |